周宏文 侯伟 周健

【摘要】批而未供近年来逐渐受到重视，该存量一直持续增加，严重制约了土地利用效率与土地的节约集约。本文建立了批而未供的计算流程，通过该流程，同时结合大数据平台（GeoAnalytics Server），进行批而未供计算。在计算过程中发现，基于大数据平台的计算可以节约大量的时间，较传统GIS平台对数据的处理效率上，有巨大的提升。

【关键词】批而未供;大数据;GeoAnalytics Server

1、前言

批而未供是指政府批准征用或农转用而并未供应的土地，对用地主体不明确，但已使用的城市基础设施等用地按已供地备案[1]。

批而未供是城市存量土地的一种，其余还包括供而未用和低效利用土地[2]。目前，新增建设用地审批后，存在未供应的情况，导致批而未供土地不断积累、增加。批而未供土地的成因主要包括征地拆迁未完成，招商引资项目失败，存在难以供应土地[2][3]。

目前，全国陆续进行了批而未供数据的核算，如浙江省[4]，对处置批而未供也出台了许多政策。

大多研究主要是从成因和对策等方面进行研究[2][3][5]，对于批而未供里面具体能供多少地的研究甚少，本文在前人研究的基础上，对批而未供土地数据的深入研究建立了一个计算流程，并进行计算。

本文主要是为了摸清批而未供土地总量，土地类型结构，并引入大数据提高计算效率。批而未供计算结果可以为相关部门对目前状况有较深了解，明白可供与不可供土地的类型与面积，为接下来的批而未供消耗提供数据支撑。

2、存在问题

批而未供的数据计算涉及到多数据源的空间运算，GIS平台是目前实现计算的最优选择。尽管GIS工具优势明显，但也存在一定的不足之处，主要体现在数据计算的效率上。

传统GIS工具，如ArcGIS，在面对数据量大、拓扑复杂的数据，并进行空间计算时，需要消耗大量的时间和计算资源，而对于决策部门来说，一旦急需数据时，往往并不能满足其基本需求。

3、技术框架

3.1 空间大数据计算环境

随着大数据计算的发展，同时结合分布式计算，可以对GIS的计算效率上有极大的提升。通过ESRI的大数据平台（ArcGIS GeoAnalytics Server）进行空间大数据分析，可用于时空数据快速的分布式计算，并将分析结果存储于数据库中，供后续数据可视化等工作的调用。该平台可以在不同终端上随时进行时空数据的处理，其数据源与分析结果与传统GIS软件可相辅相成。

GeoAnalytics Server（GA）中包含Spark、ZooKeeper、RabbitMQ等开源工具。Spark用于分布式计算，ZooKeeper用于程序协调，RabbitMQ用于存储转发消息。

依托GA平台搭建了大数据计算环境，主要配置如图1。目前，整个大数据环境包括两个集群（Cluster），每个集群中有3台GA计算服务器，利用Spark计算框架进行分布式计算。

3.2 计算工具

GA平台提供的主要工具如图2。同时，GA平台提供Python API，计算过程是在Spark中，所以，也可以利用PySpark的语法进行对DataFrame的操作。

4、批而未供中的建设用地

4.1 主要计算流程

建设用地是新增建设用地审批中可进行建设的土地，对于城市的规划建设尤为重要。理清批而未供中的建设用地，有助于相关决策部门将来的土地审批规划，是一项十分有意义的数据。

批而未供中建设用地计算主要以多空间数据的运算（图3），主要包括如下步驟：

（1）计算批而未供

根据批而未供的含义，将新增建设用地中的土地供应去掉后，剩下的即为批而未供土地。新增建设用地包括单独选址与批次用地，土地供应包括土地出让与划拨。

（2）不能供土地

不能供土地主要是批而未供分别在生态红线、基本农田和自然保护区中的土地，尽管是已经审批的土地，但不可供应。

（3）可供应土地

在批而未供中，去除在生态红线、基本农田和自然保护区中的土地后，剩下部分即为批而未供可供应土地。可供应土地按照其是否在控规内分为控规范围内的批而未供土地与控规范围外的批而未供土地。

（4）城镇控规内可供地

批而未供土地在城镇控规范围覆盖范围内需按照已有控规执行，划定的非建设用地（E）也属于不可供土地。控规范围内的可供建设用地类型主要包括居住用地（R）、公共管理与公共服务设施用地（A）、商业商务用地（B）、道路与交通设施用地（S）、绿地与广场用地（G）、公用设施用地（U）、其他建设用地（H9）、物流仓储用地（W）和工业用地（M）。

同时，由于土地供应后也会存在一些不适合再单独开发的边角地，中心城区地块面积小于3000平方米为边角地，其余区县小于1500平方米为边角地。边角地为不可供土地，去除边角地后即为可供地。

（5）城镇控规范围外

城镇控规范围外是在批而未供中去除城镇控规范围后，剩下的即为控规范围外的批而未供土地，该部分使用土地利用三调数据进行统计。

4.2 主要过程代码

通过GA平台提供的Python API将图3的过程实现，用到的主要工具为擦除（Erase）、裁剪（Clip）、相交（Intersect）和汇总（Summarize）等工具，在GA中，擦除和相交整合到叠加图层工具（overlay_layers）中，裁剪为裁剪图层工具（clip_layer），汇总为汇总属性工具（summarize_atrributes），同时还需要Spark中的相关工具，如filter，可等价于属性检索。